使用data.table创建asia_region变量时缺失值赋值错误问题问询

问题原因 #

• 你当前数据集里的country字段缺失值是空格字符串" "，并非R语言标准的NA值，%chin%运算符对不在目标国家列表里的空格字符串会返回FALSE，所以直接被原逻辑赋值为0
• 就算country是标准NA值，%chin%对NA的判断结果也是FALSE，你原来的单分支判断没有单独处理缺失场景，自然不会返回预期的NA

解决方案 #

推荐用data.table原生的条件赋值+fifelse实现，性能远高于基础ifelse，有两种可选写法：

方案1（推荐：先规范缺失值，后续处理更方便）

先把country中的空格统一转为标准NA，再按规则赋值：

library(data.table)
# 原数据集
x_dt <- data.table(sexn = c(1, 0, 0, 1, NA, 1, NA), 
                   country = c("CHN", "JPN", "BGR",  "AUT", " ", "TWN", " "), 
                   age = c(35, NA, 40, NA, 70, 18, 36)
)

# 第一步：将country字段的空字符串转为标准NA
x_dt[country == " ", country := NA_character_]
# 第二步：按规则生成asia_region，仅对非缺失的country行赋值
x_dt[!is.na(country), asia_region := fifelse(country %chin% c("CHN", "JPN", "KOR", "SGP", "TWN"), 1, 0)]

方案2（不修改原country字段）

直接嵌套判断处理空格场景：

x_dt[, asia_region := fifelse(
  country %in% c(" ", NA_character_), NA_integer_,
  fifelse(country %chin% c("CHN", "JPN", "KOR", "SGP", "TWN"), 1, 0)
)]

结果验证 #

处理后x_dt的asia_region取值为：1,1,0,0,NA,1,NA，符合预期要求。

内容的提问来源于stack exchange，提问作者MKro